6 Étapes pour obtenir des insights à partir des médias sociaux avec le traitement automatique du langage

L’analyse des sentiments et le traitement automatique du langage (NLP) des médias sociaux sont des moyens éprouvés pour tirer des informations des personnes et de la société. Au lieu de demander à un analyste de passer des semaines à lire des commentaires sur les médias sociaux et à fournir un rapport, l’analyse des sentiments peut vous donner un résumé rapide. Cela signifie que vous pouvez prendre des décisions plus rapidement.

Pourquoi avez-vous besoin d’analyse des sentiments et de NLP dans les médias sociaux ?

Vous vivez à l’ère des données massives. Prenez les utilisateurs de médias sociaux comme exemple. En 2019, il y avait 3,4 milliards d’utilisateurs actifs de médias sociaux dans le monde. Sur YouTube seul, une heure de contenu vidéo est regardée quotidiennement. Tout indicateur suggère que nous verrons plus de données produites avec le temps, et non moins.

Il y a simplement trop de données pour que vous les examiniez manuellement. Même les organisations avec de grands budgets, comme les gouvernements nationaux et les entreprises mondiales, utilisent des outils d’analyse de données, des algorithmes et du traitement automatique du langage.

En utilisant ces techniques, vous pouvez comprendre ce que les gens disent de votre marque en ce moment. La capacité de minimiser les biais de sélection et d’éviter de vous fier à des anecdotes signifie que vos décisions seront fondées sur des faits. Cela signifie que vous ferez moins d’erreurs en réagissant à un monde en constante évolution.

Analyse des sentiments et NLP en action : embauche, santé publique et marketing

Vous vous demandez peut-être si ces outils d’analyse de données sont utiles dans le monde réel ou s’ils sont fiables à utiliser. Ces outils existent depuis plus d’une décennie et s’améliorent chaque année. Avec le NLP et l’analyse des sentiments, vous pouvez résoudre des problèmes plus rapidement.

Économisez du temps lors de l’embauche

Lors de l’embauche, trouver des candidats de qualité est difficile. Workopolis estime que « jusqu’à 75 % des candidats pour un poste ne sont pas réellement qualifiés pour le poste ». Passer du temps sur ces candidats n’est pas productif. Heureusement, le traitement automatique du langage et l’analyse peuvent vous aider à identifier les candidats qui conviennent, afin que vous puissiez utiliser votre temps de manière productive. C’est pourquoi Blue Orange Digital a travaillé avec un fonds spéculatif pour optimiser son processus de ressources humaines. En utilisant dix ans de données sur les candidats et les CV, la société dispose maintenant d’un modèle de notation sophistiqué pour trouver des candidats qui conviennent.

Santé publique et urgences

En 2020, nous avons tous commencé à apprendre l’importance de l’analyse des données de santé publique à grande échelle en raison de la propagation rapide du COVID. Dans ces crises, détecter les changements dans le comportement social rapidement est essentiel. Avec le NLP, vous pouvez analyser les médias sociaux pour évaluer les sentiments. Par exemple, un projet récent a analysé plus de 1 000 tweets en utilisant le mot-clé masques pour comprendre ce que les gens pensent et ressentent à propos des masques.

Marketing

Dans le marketing, vous devez rester informé sur la façon dont votre marché cible pense et se sent. Une étude de 2019 a utilisé l’analyse des sentiments de Twitter pour mieux comprendre les marques de vêtements : Nike et Adidas. En analysant 30 895 tweets en anglais, les chercheurs ont constaté que « Adidas a un sentiment plus positif que Nike ». Cependant, plus de 50 % des tweets avaient un sentiment neutre. Cela signifie qu’il y a encore une opportunité significative pour obtenir plus de mentions positives sur le marché.

Les likes sont la nouvelle monnaie, NLP dans les médias sociaux

Comment fonctionne l’analyse des sentiments sur le plan technique ?

Pour que l’analyse des sentiments fonctionne efficacement, il y a quelques points techniques essentiels à garder à l’esprit.

1) Développez une question d’affaires pertinente

Déterminez quelles questions vous souhaitez répondre et si ces techniques de données sont adaptées à ces questions. Considérons deux questions de marketing

• Devrions-nous lancer un partenariat marketing avec une société de cartes de crédit pour augmenter les ventes ?
• Obtenons-nous un retour sur investissement de nos campagnes de marketing d’influenceurs ?

La première question concerne la stratégie et les possibilités futures, il n’y aura donc pas beaucoup de données à analyser. Par conséquent, nous suggérons de ne pas essayer de répondre à cette question avec l’analyse des sentiments. En revanche, la deuxième question est plus prometteuse pour le traitement automatique du langage. Elle nécessite encore une affination, mais vous avez le début d’une question appropriée.

2) Trouvez votre source de données

Votre prochaine étape consiste à trouver une source de données pertinente à analyser. Idéalement, recherchez des sources de données que vous possédez déjà plutôt que d’en créer de nouvelles. Pour l’embauche, vous avez probablement une base de données de candidats et de personnes embauchées dans votre système de suivi des candidats. Dans le marketing, vous pouvez télécharger des données à partir de plateformes de médias sociaux à l’aide d’API.

Conseil : Le volume de données est essentiel pour que l’analyse des sentiments fonctionne. En règle générale, votre ensemble de données doit comporter au moins 1 000 exemples (par exemple, 1 000 tweets ou 1 000 profils de candidats). Si vous avez moins que cela, vous êtes moins susceptible d’obtenir des résultats statistiquement significatifs.

Lisez plus d’informations sur les sources de données alternatives et le complément de vos données avec des données tierces.

3) Pré-traitez vos données

La plupart des sources de données, en particulier les médias sociaux et le contenu généré par l’utilisateur, nécessitent un pré-traitement avant de pouvoir les utiliser. En supposant que vous analysez une ressource textuelle, commencez par supprimer les ponctuations, les caractères et les autres textes de nettoyage inutiles. Passer du temps sur cette étape améliorera la qualité de l’analyse résultante.

Puisque les ensembles de données plus importants tendent à produire de meilleurs résultats, utilisez des outils pour nettoyer les données plus en détail. Par exemple, l’ algorithme de stemming de Porter est un moyen utile de nettoyer les données textuelles. Cet algorithme aide à identifier les mots racines et à réduire le bruit dans vos données.

4) Analysez les données

En fonction de vos objectifs, il existe différents outils logiciels et algorithmes disponibles pour analyser les données. En supposant que vous analysez du texte, l’algorithme Naïve Bayes est le choix approprié pour effectuer l’analyse des sentiments.

5) Évaluez de manière critique les sorties

Vous ne pouvez pas simplement accepter les analyses de données générées par les machines sans les critiquer. Les chercheurs ont constaté que les outils d’apprentissage automatique tendent à refléter les préjugés humains. Par exemple, Amazon a abandonné un algorithme de ressources humaines (AMZN ) car il discriminait les candidates féminines. Après tout, les données historiques, dans ce cas, étaient principalement basées sur les hommes. C’est là que vos valeurs – comme un engagement en faveur de l’inclusion et de la diversité – doivent équilibrer les informations basées sur les données.

Ceci s’applique également aux sorties produites par les moteurs de recherche. Le PDG de KISSPatent, D’vorah Graeser, fournit un exemple de la manière dont le NLP améliore les résultats de recherche de leur moteur de recherche lors de l’analyse d’informations de l’Organisation mondiale de la propriété intellectuelle

« L’utilisation du NLP est particulièrement pertinente et utile lors de la recherche de brevets pour de nouvelles technologies telles que la blockchain ou l’intelligence artificielle, qui n’ont pas de catégories définies dans l’Organisation mondiale de la propriété intellectuelle, par exemple. Être capable de rechercher et de trouver des brevets est important pour tous les innovateurs, car cela leur permet de savoir qui travaille sur certaines innovations et si leurs innovations sont aussi uniques et nouvelles qu’ils le pensent. »

PDG de KISSPatent, D’vorah Graeser

6) Déterminez les prochaines étapes

En soi, l’analyse des sentiments ne modifiera pas votre entreprise. Vous devez examiner ces informations et prendre une décision. Par exemple, vous pouvez constater que vous avez une quantité croissante de sentiments négatifs à propos de votre marque en ligne. Dans ce cas, vous pourriez lancer un projet de recherche pour identifier les préoccupations des clients, puis publier une version améliorée de votre produit.

Vous ne savez pas par où commencer avec le NLP dans les médias sociaux ?

Trouver les bonnes données, appliquer des algorithmes à ces données et obtenir des informations commerciales exploitables n’est pas facile. Après tout, les grandes entreprises avec des ressources importantes ont fait des erreurs dans leurs projets de traitement automatique du langage. C’est pourquoi il est rentable de faire appel à une perspective extérieure sur vos données. Contactez Blue Orange Digital aujourd’hui pour découvrir comment vous pouvez obtenir des insights plus rapides à partir des médias sociaux et d’autres données de votre organisation.

Pour plus d’informations sur l’IA et les tendances technologiques, consultez Josh Miramant, PDG de Blue Orange Digital, pour des solutions basées sur les données pour la chaîne d’approvisionnement, l’automatisation des documents de soins de santé et plus de études de cas.